NETL
基于电弧声信号的窄间隙P-GMAW侧壁熔合状态识别研究
黄云龙1
作者信息
摘要
窄间隙焊接可以缩短焊接时间提高生产效率，减少填充材料降低生产成本，降低热输入量，保证焊接接头力学性能优良，是当代焊接技术的重要研究方向。窄间隙焊接中，侧壁的熔合状态是决定焊接质量的重要因素。焊缝的偏差会造成侧壁未熔合的焊接缺陷，严重影响焊接质量。传统的焊后检测方法存在诸多不足，无法及时、有效的判断焊接状态，利用焊接过程信息可实现焊接质量的检测识别，对焊接智能化有着关键的积极意义。熟练焊工可以通过焊接声音准确判断焊接质量状况，表明电弧声中包含丰富的焊接过程信息。 鉴于电弧声信号与焊接成形质量密切相关，开展了基于电弧声信号与窄间隙脉冲熔化极气体保护焊侧壁熔合状态的识别研究，采集不同侧壁熔合状态下的电弧声信号，研究其时频域特征并构建分类模型，实现了侧壁熔合状态的有效识别，为窄间隙P-GMAW焊接质量检测提供了一条新途径。 首先，为了获取焊接电弧声，利用相关装置搭建窄间隙P-GMAW试验系统，实现焊接参数的调节和电弧声信号的实时采集。研究了电弧声的产生机理，结果表明电弧声主要源自电弧能量变化，可以通过电弧行为分析不同侧壁熔合状态的电弧声信号差异。 其次，研究了不同侧壁熔合状态下电弧声信号的时域、频域特征，结果表明良好熔合、根部未熔合、未熔合三种状态电弧声信号的时域、频域波形均存在明显差异。为了探究电弧声信号差异与侧壁熔合之间的关系，计算电弧声信号的时域均值、标准差和梅尔倒谱系数反映侧壁熔合状态。针对梅尔倒谱系数对中高频段不敏感，无法全面提取电弧声频域侧壁熔合信息的问题，将电弧声信号中高频段拼接至低频段，实现了中高频段侧壁熔合信息的有效提取。通过对比分析和特征选择，从高维时频域特征中选取出与侧壁熔合状态相关性强的13维电弧声特征作为熔合状态的识别特征。 最后，以13维电弧声特征构建特征向量作为模型输入，分别基于BP神经网络和支持向量回归建立了窄间隙侧壁熔合状态识别模型，并采用遗传算法优化支持向量回归模型。通过模型评价，遗传算法优化的支持向量回归模型相比支持向量回归模型和BP神经网络模型预测精度更高，模型识别率达96.67%，验证了方法的有效性，为利用电弧声实现窄间隙P-GMAW侧壁熔合状态的在线监测提供了理论基础和试验依据。
关键词
脉冲熔化极气体保护焊/窄间隙焊接/侧壁熔合状态识别/电弧声信号/BP神经网络/支持向量回归/遗传算法引用本文复制引用
授予学位
硕士学科专业
机械工程导师
刘欣学位年度
2023学位授予单位
天津工业大学语种
中文中图分类号
TG